AI 노동자 조사 2026 — 기술 노동자가 말하는 생성형 AI와 일터

AI 요약

영국 기술노동자노조 UTAW의 ‘AI Workers’ Inquiry 2026’은 AI를 만들고 배포하고 관리하거나 업무에서 사용하는 기술 노동자들의 경험을 바탕으로, 생성형 AI가 일터를 어떻게 바꾸는지 살펴봅니다. 보고서는 AI의 영향이 모델 성능만으로 결정되지 않는다고 봅니다. 고용주가 도구를 도입하고 사용을 강제하며 성과를 측정하는 방식이 노동자의 업무와 권한을 좌우한다는 주장입니다.

AI가 줄이지 않은 노동

참여자들은 생성형 AI가 업무를 없애기보다 재배치하고 강화했다고 말합니다. 개발자는 문제를 해결하는 시간보다 LLM이 만든 코드를 검토하고 수정하는 시간이 늘었다고 설명합니다. 출력량은 빠르게 늘어도 사람이 품질을 확인할 시간이 따라오지 않고, 검토와 디버깅에 드는 추가 노동은 성과 지표에 잘 드러나지 않는다고 보고합니다. 관리자는 생산성 향상을 기대하지만, 노동자는 더 많은 결과물을 더 짧은 시간 안에 처리해야 하는 상황에 놓입니다.

보고서는 이런 업무 강도가 반복되는 구조를 지적합니다. 높은 생산성 목표가 검토되지 않은 결과물을 늘리고, 그 결과물을 사람이 다시 점검하게 됩니다. 제대로 확인하려면 속도를 늦춰야 하지만, 그러면 성과 지표에서 불리해질 수 있습니다. 반대로 서둘러 넘기면 결과물의 결함에 책임을 질 위험이 노동자에게 돌아갑니다.

숙련과 일의 만족도

참여자들은 코딩 업무가 문제 해결에서 LLM의 출력을 감독하고 바로잡는 일로 바뀌었다고 말합니다. 한 소프트웨어 엔지니어는 “AI로 코딩하는 일을 멈추자마자 다시 일을 즐기기 시작했습니다”라고 응답했습니다. 보고서는 도구에 오래 의존하면 스스로 작업하는 능력이 약해지는 ‘숙련 저하(deskilling)’와, 필요한 교육·경험이 줄어들며 임금과 노동 조건이 하향 압력을 받는 ‘다운스킬링(downskilling)’을 구분합니다.

특히 주니어와 신입 노동자는 기초 역량을 쌓을 시간과 멘토링을 잃기 쉽다고 봅니다. AI가 교육이나 전문 지식을 대신하면, 결과물의 정확성을 판단할 경험을 갖추기도 전에 도구에 의존하게 됩니다. 일부 시니어 노동자는 AI를 사고를 보조하는 도구로 활용한다고 답했지만, 이들 역시 직접 코드를 작성하고 검토하는 능력이 약해질 수 있다고 우려했습니다. 보고서는 주니어 채용과 학습 경로를 지키고, 노동자에게 AI 없이 배우고 연습할 시간을 보장하라고 제안합니다.

감시와 일터의 분열

보고서에는 AI 사용량을 성과 지표에 넣거나 토큰 사용량을 보상·승진과 연계하는 사례가 담겼습니다. 일부 노동자는 AI를 충분히 쓰지 않아 불이익을 받고, 다른 노동자는 토큰을 너무 많이 썼다는 이유로 지적받았다고 말합니다. 사용 데이터가 무엇을 측정하는지, 누가 확인하는지 불분명한 경우도 있습니다. 보고서는 AI 사용량이 징계·승진·해고·성과 평가에 쓰일 때 사전에 공개하고, 노동자와 합의하며, 독립적으로 평가해야 한다고 주장합니다.

도입 과정에서 노동자와 협의가 빠진 사례도 다룹니다. 경영진의 유행 추종이나 투자자·고객의 압박으로 도구를 들여오고, 노동자의 우려를 무시했다는 응답이 나왔습니다. AI를 이용해 생산량을 늘리는 사람과 그 결과물을 검토하고 수리하는 사람 사이, 주니어와 시니어 사이에 불신과 업무 부담의 격차가 커진다는 보고도 있습니다.

제안한 정책

UTAW는 AI 관련 피해를 조사하고 제재할 권한을 지닌 법정 규제기관을 만들자고 제안합니다. 적용 대상에는 생성형 AI뿐 아니라 자동화된 의사결정, 채용, 모니터링, 생산성 측정, 성과 관리 시스템도 포함합니다. 노동자와 노조가 피해를 직접 신고하고, 기관이 공개 요구와 도입 중단, 영향 평가, 피해 구제, 시스템 철회를 명령하는 구상입니다.

이 밖에도 AI 사용을 거부하거나 문제를 제기한 노동자를 불이익에서 보호하고, 업무·보수·성과·채용·해고에 AI가 관여하면 사람이 재검토할 권리를 보장하자고 합니다. 사업주는 도입 전에 노동자와 실질적으로 협의하고, 단체교섭이 있는 곳에서는 업무량·인력·감시·직무 설계를 두고 교섭해야 합니다. 환경 영향과 정신건강을 포함한 영향 평가, AI로 얻은 생산성 이익의 노동자 환원, AI를 이유로 한 해고의 제한도 제안에 담겼습니다.

조사 범위와 한계

조사는 UTAW의 CWU 지부 구성원들이 2026년 8~9월 워크숍에서 진행한 반구조화 인터뷰와 토론을 바탕으로 합니다. 참여자들은 소프트웨어 개발, 사이버 보안, IT 지원, 데이터 업무, 고객 지원, 교육, 연구 등 여러 역할에 걸쳐 있습니다. 다만 보고서 본문에는 참여자 수와 표본 구성의 상세한 수치가 제시되지 않습니다. Lobsters 토론에서도 조사 범위가 명확하지 않은 상태에서 기술 분야 전반의 영향으로 일반화하는 데 신중해야 한다는 지적이 나왔습니다.

Lobsters 반응

• @sjamaan — 이 보고서가 사람들이 노조를 만들도록 계기가 되면 좋겠습니다. 가능성은 낮겠지만요.
  • @unlobito — 저희 직장에서는 2주 전에 노조 결성에 찬성표를 던졌다고 자랑스럽게 말씀드릴 수 있습니다. 저는 투표 전 과정에서 대의원으로 참여했고 첫 연례 총회를 준비하는 것도 돕고 있습니다.
  • @chobeat — AI가 사람들을 노조와 노동자 공동체 쪽으로 밀어내고 있습니다. 저희 조직에서는 새로 참여하는 사람의 비율이 2년 전보다 10배쯤 높아졌다고 봅니다.
• @anex9d — AI 사용을 거부할 법적 보호를 받을 수는 있겠지만, AI를 효과적으로 쓰는 동료보다 성과가 낮다는 이유로 해고되는 일까지 막아주지는 않을 겁니다.
  • @adam_d_ruppe — 다행히 AI 사용자들의 성과 향상 주장은 현실에서 그리 크지 않습니다. 머지않아 성과가 다시 마이너스로 돌아설 거라고 볼 만한 이유도 충분합니다. 객관적으로 평가받고, AI에 쓴 비용 순위표에 올라가는 게 아니라면 말입니다.
  • @tonyarkles — 솔직히 여쭤봐도 될까요? 실제로 이런 도구를 얼마나 써보셨나요? 직장에서 현실적으로 접해본 경험은 얼마나 되나요? 최근 모델을 업무에서 써봤는데도 실패했다면, 어떤 점에서 그랬는지 궁금합니다. 직장에서는 양쪽을 다 봤습니다. 생산성이 크게 오른 경우도, 형편없는 결과물이 쏟아진 경우도 있었습니다. 어떤 사람에게는 큰 이득이고 다른 사람에게는 손해였습니다. 다른 사람들은 어떤 경험을 했는지 궁금합니다.
  • @adam_d_ruppe — 솔직히 이런 도구를 실제로 얼마나 써봤냐고요? 저는 에이전트형 도구는 전혀 안 써봤고, 채팅 도구도 아주 조금만 써봤습니다. 검색 결과로 넘어가면서 대충 훑어본 정도입니다. 다니는 회사는 AI 사용을 꽤 강하게 밀고 있고, 동료 몇 명은 적극적으로 쓰고 있습니다. 결과는 엇갈렸습니다. 제 오픈소스 프로젝트에는 LLM이 만든 PR이 몇 개 들어왔는데, 꽤 괜찮은 것도 있었습니다. 깊이 검토해도 큰 문제를 찾지 못해서 그중 하나를 두고 다소 복잡한 심정의 글을 쓰기도 했습니다. 회사에서도 사업 담당자가 복잡한 업무 규칙을 보여주는 작은 웹 도구를 만들었는데, UI는 대단하지 않아도 필요한 일을 했고 계산도 맞았습니다. 다만 코드는 끔찍했습니다. 거절할 정도는 아니어서 출시했지만, 다른 바이브 코딩 결과물처럼 SQL 인젝션이 가득해 전면 거절해야 할 수준은 아니었습니다. 그래도 복잡한 업무 규칙을 잘 아는 사람조차 코드를 따라가기 쉽지 않았습니다. AI가 유지보수까지 해주길 바라지만, 다른 사람이 관리할 수 있을지 의심스럽습니다. 시간이 지나면 알겠지요. 사업 담당자가 제게 맡겨 2주 걸릴 일을 직접 1주 만에 끝낸 이득은, 다음 변경 요청을 제가 1주에 할 일을 그 사람이 2주 동안 붙들면서 상쇄될 것 같습니다. 그래도 직접 만든 결과가 예상보다 나아서 AI가 쓸모 있을 때도 있다고 하겠습니다. 물론 사업 담당자가 모든 일을 직접 할 수 있으면 저희 같은 사람은 필요 없어질 수 있습니다. 저는 은퇴까지 12년은 더 일해야 해서 그게 걱정입니다. 하지만 에이전트형 코딩 도구를 쓰는 사람 대부분은 전보다 더 많이 출시하지 않습니다. 더 많은 코드를 내놓는 사람도 가치가 더 커진 결과를 내놓는 건 아닙니다. 분기 말 인사 평가를 보면, 저는 AI를 거부했고 다른 사람들은 열성적으로 받아들였지만 객관적 평가든 동료와의 상대 평가든 큰 변화가 없었습니다.
• @chobeat — 유럽의 여러 나라에서는 성과가 낮다는 이유만으로 해고할 수 없습니다. 이 연구가 진행된 영국은 어떤지 모르겠습니다.
  • @kornel — 뭐라고요? 도시 전설처럼 들립니다. 성과 개선 계획(PIP) 없이 해고하거나, 질병으로 성과가 낮아진 경우, 근로계약 범위를 넘어서는 성과를 요구하는 경우에는 보호 규정이 있습니다.
• @chobeat — 먼저 올리셨네요. 제가 막 게시하려던 참이었습니다. 정말 값진 연구입니다.
• @tonyarkles — “영향에 대한 분명한 그림이 나타나고 있다”고 하지만, 이 보고서에서 참여자 수 N을 찾을 수 없습니다. 워크숍에 실제로 몇 명이 참여했나요? 또 런던 기술노동자연합의 구성원이었고 마르크스주의 전통에 따른 조사를 해왔다고 하네요. 중립적인 평가도 아니고 기술 노동자 무작위 표본도 아닐 가능성이 큽니다. “노동은 자신이 만든 모든 것에 대한 권리가 있다”는 문구도 있군요.
  • @chobeat — 중립적인 과학은 없습니다. 과학은 언제나 특정하고 부분적인 인식론과 방법론에서 출발합니다. 여기서는 ‘노동자 조사’가 제목에 적혀 있으니 방법을 숨긴 것도 아닙니다.
  • @tonyarkles — 어느 정도 맞는 말이지만, 조사 규모가 어느 정도인지 알면 신뢰도가 높아집니다. 몇 명에게 물었는지, 기술 업계의 어떤 사람들이 포함됐는지 말입니다. “기술 분야 전반의 생성형 AI 영향을 정리한다”고 했는데, 실제로 기술 분야 전반을 다룬 건지 10명이 동의한 내용인지 알 수 없습니다. 다른 연구 방법도 충분히 열어두고 보지만, 연구 범위나 한계도 밝히지 않은 채 폭넓은 주장을 내놓으면 좋은 연구라고 보기 어렵습니다. 범위와 주장을 적절히 좁혀 결론의 한계를 정확히 설명한다면 훌륭한 연구가 될 수도 있다고 생각합니다.
• @tombh — 전부 읽지는 않았지만 LLM이 만든 코드의 적법성은 언급되지 않은 것 같습니다. 생성된 코드 가운데 상당수가 기존 오픈소스 구현과 눈에 띄게 유사하다는 연구가 점점 나오고 있습니다. 직장에서 LLM을 쓰면서 직업적 책임을 중요하게 생각하는 분들은 이 문제를 어떻게 처리하나요? 법적 선례가 아직 없으니 괜찮다는 식인가요? 저는 출처를 밝히지 않은 LLM 코드가 법 문언으로도, 법의 취지로도 불법이라고 봅니다. 어떻게든 편리하게 불법이 아니라고 주장할 수 있더라도 비윤리적입니다. 노동자 권리 선언이라면 이 문제도 다뤄야 합니다. 우리는 집단적으로 제도화된 범죄를 가능하게 하고 공공 기반을 훼손하고 있습니다.
  • @tonyarkles — 해당 학술 논문 전문을 볼 수 없네요. 어떤 코드가 대상이었는지, 얼마나 구체적인 유사성인지 설명해주실 수 있나요? 제가 직접 같은 문제를 풀었을 때 LLM 없이 제 머리에서 나온 코드도 비슷해질 가능성이 얼마나 되는지 궁금합니다. 지난 30년 동안 오픈소스와 독점 코드를 많이 읽어왔으니까요.

원문: UTAW / 번역·요약: Trawling